Lo primero que hizo Asos fue implantar ‘inhouse’ la tecnología de MediaMath en su equipo de analítica de datos, que incluyó, por un lado, los parámetros ‘Valor de vida del cliente’, ‘Propensión a la compra’ y ‘Riesgo de abandono’, y por otro, sus propias recomendaciones de productos, con el objetivo de conocer y predecir el comportamiento de compra de sus clientes. 

Una vez implementado esto, el equipo de analítica de Asos utilizó datos propios para realizar modelos predictivos de compra, y conjuntamente con MediaMath incorporaron esa información a sus CRM con la pretensión de seleccionar a qué clientes les dirigirían la campaña.

El siguiente paso fue trabajar en la creatividad y en los productos que se mostrarían en el anuncio, así como en la personalización de la experiencia de compra para estimular la navegación y realizar una segunda compra. Al mismo tiempo, Asos trabajó con MediaMath para resolver el problema de la multinavegación de sus clientes, puesto que el 70% de ellos recurren al móvil, y además utilizan tres y hasta cuatro navegaciones más. 

Junto a esto, MediaMath utilizó su plataforma DMP (Data Management Platform) para agrupar los clientes de Asos por audiencias específicas, a través de su herramienta de segmentación, que posteriormente se activó en la compra de medios. 

Con toda esta información, el equipo de programática de Asos creó un grupo de control, del que eliminó el 10% de su audiencia, con el objeto de poder comparar su comportamiento con el de aquellos clientes que fueron expuestos a la publicidad creada. Se descubrió que aquellos clientes que estuvieron expuestos a anuncios se mostraron más propensos a realizar una segunda compra. 

Seguidamente, Asos utilizó diferentes variables de su CRM, como el género, artículos devueltos, así como datos de navegación o marcas preferidas de los usuarios, para afinar aún más en la selección de los clientes y en el anuncio publicitario con el que se lanzaría la campaña. En este sentido, y para mejorar la imagen de marca, Asos decidió utilizar imágenes, así como mensajes personalizados y recomendaciones de producto adaptadas a cada usuario.

Mes a mes, la compañía británica analizó los clientes de cada grupo de la campaña, y tuvo en cuenta cuando la impresión publicitaria había sido mostrada a los usuarios antes de realizar la segunda orden de compra. Tras comparar el comportamiento de ambos grupos, descubrieron que aquellos clientes que estuvieron expuestos a anuncios mostraban una propensión mucho mayor a realizar una segunda compra que los que no.

Fruto de todo esto, Asos logró un descenso mensual del ‘hit and run’ del 4% logrando así un cuantioso incremento de ingresos. Además, las cifras de ROI en las segundas compras se situaron entre el 1,80 y el 3,90. Por otro lado, se multiplicó la frecuencia de compra en un 1,8 para aquellos clientes que fueron impactados con una segunda publicidad ‘hit and run’ frente a los del grupo de control. Al mismo tiempo, se optimizó la experiencia de compra de los usuarios gracias al uso de creatividades dinámicas, al aprovechamiento de los datos internos y la personalización de los anuncios con imágenes y mensajes ad hoc para cada cliente. Al mismo tiempo, se observó que las segundas órdenes de compra tuvieron lugar dentro de los siete días siguientes a la visualización del anuncio de la acción.